1、向量
● 向量与标量 标量(Scalar)只是一个数字（或者说是仅有一个分量的向量）。当把一个向量加/减/乘/除一个标量，我们可以简单的把向量的每个分量分别进行该运算。
● 向量加减 向量的加减可以定义为向量的分量互相加减
小技巧：2个向量头尾相连，相加的值即折线尾与头的连线。减法则是被减值的头与减值的头的连线。
向量的长
度：
● 向量乘法 普通的乘法在向量中是没有意义的，但是在相乘的时候我们有两种特定情况可以选择：一个是点乘(Dot Product)，记作v¯⋅k¯，另一个是叉乘(Cross Product)，记作v¯×k¯，
我们定义2个向量之间的点乘为它们长度的数乘再乘以它们之间夹角的余弦值。
点乘的意义：如果v和k都是单位向量(长度为1的向量)，那么它们的点乘为cosθ，这在判断2个向量是否垂直或者平行时很有用。
所以，我们该如何计算点乘呢？点乘是通过将对应分量逐个相乘，然后再把所得积相加来计算的。
叉乘只在3D空间中有定义，在此主要讨论2D环境，就不做深入讨论了。
2、矩阵 ● 矩阵加减 矩阵与标量之间的加减即对矩阵中的每个元素与标量进行加减。 矩阵与矩阵之间的加减即矩阵中每个对应的元素加减。
● 矩阵乘法 矩阵与标量之间乘法即对矩阵中的每个元素与标量相乘。 矩阵与矩阵之间相乘： 首先，矩阵相乘只有在左边列数与右边行数相等时才能相乘。其次，矩阵乘法不遵守乘法的交换律。 矩阵的乘积即左边的每一行元素与右边的每一列函数的乘积：
结果矩阵的维度是(n, m)，n等于左侧矩阵的行数，m等于右侧矩阵的列数
3、矩阵与向量相乘 一样，如果这个矩阵的列数 = 向量的行数，则可以相乘，这在很多2D、3D变换中都会用到。
4、缩放、旋转、平移 ● 缩放矩阵 向量的缩放，即对向量的每个值乘以一个缩放倍数，从上面矩阵和向量的乘法得知，缩放矩阵应该长这样：
注意，第四个缩放向量仍然是1，因为在3D空间中缩放w分量是无意义的。w分量另有其他用途，在后面我们会看到。
● 旋转
旋转首先要选定旋转轴，可以分为沿X轴旋转、沿Y轴旋转、沿Z轴旋转： 沿X轴旋转，Y、Z的值会改变 旋转之后的坐标： Y = cosθ Z = sinθ
沿Y轴旋转，X、Z的值会改变：
沿Z轴旋转，X、Y的值会改变：
举个最简单的绕Z轴旋转的例子：
结果是 x = cosθ x - sinθ *y y = sinθ *x + cosθ *y
● 平移
